基于模式识别的频谱数据压缩方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究的背景和意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 数据压缩 | 第10-12页 |
| 1.2.2 模式识别的应用 | 第12页 |
| 1.3 本文主要研究内容及组织结构 | 第12-14页 |
| 2 预备知识 | 第14-22页 |
| 2.1 模式识别 | 第14-15页 |
| 2.2 聚类算法 | 第15-18页 |
| 2.2.1 聚类的相似性度量方法 | 第16-17页 |
| 2.2.2 聚类的准则函数 | 第17-18页 |
| 2.3 K-means聚类算法 | 第18-21页 |
| 2.3.1 K-means算法的思想与流程 | 第19-20页 |
| 2.3.2 K-means算法的优缺点分析 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 一种改进的K-means聚类算法 | 第22-31页 |
| 3.1 选取初始聚类中心 | 第22-24页 |
| 3.2 基于常识的聚类优化 | 第24-29页 |
| 3.2.1 移动优化 | 第25-26页 |
| 3.2.2 交叉优化 | 第26页 |
| 3.2.3 位置优化 | 第26-29页 |
| 3.3 实验结果和分析 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 4 基于聚类分析的频谱数据模式分析 | 第31-43页 |
| 4.1 无线电频谱监测数据 | 第31-35页 |
| 4.1.1 无线电频谱监测 | 第31-32页 |
| 4.1.2 频谱数据特点 | 第32-35页 |
| 4.2 频道数据 | 第35-37页 |
| 4.2.1 频道划分 | 第35-37页 |
| 4.2.2 频道数据特点 | 第37页 |
| 4.3 基于聚类分析的模式提取 | 第37-42页 |
| 4.3.1 频谱监测数据分类 | 第37-41页 |
| 4.3.2 提取和分析模式 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 5 基于模式识别的数据压缩 | 第43-50页 |
| 5.1 原始数据储存研究 | 第43-44页 |
| 5.2 基于时序的频谱数据压缩研究 | 第44-46页 |
| 5.3 基于模式识别的频谱数据压缩 | 第46-48页 |
| 5.3.1 模式识别 | 第46-47页 |
| 5.3.2 数据压缩 | 第47-48页 |
| 5.4 本章小结 | 第48-50页 |
| 6 实验分析 | 第50-58页 |
| 6.1 实验环境 | 第50-51页 |
| 6.2 实验分析 | 第51-55页 |
| 6.2.1 结果分析 | 第51-53页 |
| 6.2.2 性能分析 | 第53-55页 |
| 6.3 对比分析 | 第55-57页 |
| 6.4 本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第62-63页 |
| 致谢 | 第63-64页 |
